本发明专利技术公开了一种基于模糊概念格的视频纹理特征提取方法，主要解决现有方法计算量大、效率低、实时性不高的问题。实现步骤：(1)将视频镜头分割，将分割后的视频镜头分成视频段，并将视频段第一帧作为该视频段的关键帧；(2)将关键帧图像分块，计算图像块的灰度共生矩阵，再基于灰度共生矩阵计算二阶矩、熵等14个纹理特征向量；(3)将关键帧的图像块作为对象集、将图像块的纹理特征向量作为属性集，构成模糊形式背景，构建模糊概念格；(4)由关键帧的模糊概念格生成纹理关联规则；(5)根据关键帧的纹理关联规则，提取所在视频段中所有视频帧的纹理特征。本发明专利技术能够快速、准确地提取视频纹理特征，可用于目标识别、视频检索等视频处理领域。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及视频纹理特征提取，可用于目标识别和视频检索等视频处理领域。
技术介绍
纹理是一种不依赖于颜色或亮度，而反映图像中同质现象的区域性视觉特征，能够更好地兼顾图像宏观性质与细微结构两个方面，因此成为目标识别等视频处理领域中重要的特征之一。目前纹理特征提取方法主要有以下几种 Chun Y. D. Image retrieval using BDIP and BVLC moments. IEEE Transactions on Circuits and Systems for Video Technology，2003，13(9) :951_957。 该方法利用Garbor小波基函数的正交性，可以有效提取纹理特征，消除冗余信息，但采用 Garbor小波算法得到的纹理特征向量维数高，应用于视频纹理特征提取，计算量大，效率较低；. Biswas S. An adaptive compressed MPEG-2video watermarking scheme. IEEE Transactions on Instrumentation and Measurement. 2005，5 (55) :1853_18610 该方法将图像进行DCT变换后，利用DCT变换的AC系数能量衡量纹理复杂程度提取纹理特征，应用于视频纹理特征提取，需要对每个视频帧进行DCT变换，计算量大，效率偏低。. Haral ick R M，Shanmugam K. . Texture features for image classification. IEEE Transactions on Systems, Man and Cybernetics，1973，3 (6) 610-621。该方法根据像素之间的方向和距离建立灰度共生矩阵，然后提取有意义的14个统计量作为纹理特征向量，能够从不同角度对纹理进行描述，广泛应用于SAR图像分类等图像检索中，但计算量大，在海量视频数据处理中应用很少。. Tamura HiMori S，Yamawaki T. Texture features corresponding to visual perception. IEEE Transactions on SystemsiMan and Cybernetics，1978，8 (6) :460_473o 该方法提出了构成纹理视觉模型的6个纹理属性，分别是对比度、粒度、方向性、线性、粗糙度和均勻性，更符合人类心理认知，主要应用于图像的纹理分类，应用于视频纹理特征提取，计算量大，实际应用很少。综上所述，由于海量视频数据量庞大、冗余多，上述图像纹理提取方法直接应用于视频纹理特征提取都存在计算量大，效率低，无法满足视频实时处理需求。
技术实现思路
本专利技术目的是针对上述已有技术的不足，提出了一种，大大减小了计算量，实现了视频纹理特征的快速、准确挖掘。实现本专利技术的技术关键是针对原始视频数据，生成基于模糊概念格理论的系列纹理特征关联规则，以便快速、准确地挖掘视频纹理特征。具体步骤包括如下(1)对原始视频ν' = ·(、、……, ]进行镜头分割，得到镜头分割结果Si, i e ,其中，M1为原始视频ν'中的镜头总数；(2)将第i个镜头Si以每9帧分割成视频段Pl，1 e ，选取每个视频段Pl的第一个视频帧作为P1的关键帧f\，1 e ，其中，M2为第i个镜头Si中视频段总数；(3)对第i个镜头Si第1个视频段P1的关键帧进行图像分块，得到一系列的图像块bk，ke ，计算每个图像块\的灰度共生矩阵(\，1^￡ ；(5)将镜头Si第1个视频段P1的关键帧的所有图像块bk，k e 作为对象集，将所有图像块的纹理特征向量Wq，qe 作为属性集，构成关键帧的模糊形式背景F ；(6)根据模糊形式背景F，构建镜头Si第1个视频段Pl的关键帧的模糊概念格；(7)由镜头Si第1个视频段P1的关键帧的模糊概念格，生成相应的纹理关联规则Rt, t e ，其中，N9为纹理关联规则总数；(8)根据镜头Si第1个视频段P1的关键帧的第t个关联规则，提取关键帧中具有第t个关联规则属性的图像块集合；(9)重复步骤⑶，提取镜头Si第1个视频段P1的关键帧f i的其他所有纹理关联规则相对应的图像块集合；(10)取步骤(9)中镜头Si第1个视频段P1的关键帧&提取出的所有图像块集合的交集，得到关键帧的纹理特征；(11)根据镜头&第1个视频段？1的关键帧&的所有纹理关联规则，按照步骤(10) 相同方法提取视频段P1中除关键帧以外的其他帧的纹理特征；(12)重复上述步骤(3) (11)，提取第i个镜头Si的其他所有视频段中所有视频帧的纹理特征；(13)重复上述步骤O) (12)，提取原始视频ν的所有镜头中视频帧的纹理特征。本专利技术具有如下优点将模糊概念格理论应用于视频纹理特征提取，实现了视频纹理特征的快速、准确挖掘。由于模糊概念格具有良好的继承性和层次性，十分适合生成关联规则，同时灰度共生矩阵能够从多种维度、精确刻画纹理特征。本专利技术首先利用灰度共生矩阵，形成模糊形式背景，再利用模糊概念格能够高效处理海量数据的特点，生成一系列纹理关联规则，进而快速挖掘出不同类型视频的纹理特征。实验结果表明，本专利技术能够快速、准确提取视频纹理特征，与现有方法相比，大大减小了计算量，适合于任何视频载体，具有普适性特征。同时，在保证视频纹理特征准确性的前提下，本专利技术随着原始视频数据的急剧增加，效率优势更明显，能够满足海量视频处理的实时性需求。附图说明图1是本专利技术基于模糊概念格的视频纹理特征提取原理框图2是主持人类视频载体suzie. yuv，本专利技术与基于DCT变换方法提取的视频纹理特征结果对比；图3是自然风景类视频载体tempete. yuv，本专利技术与基于DCT变换方法提取的视频纹理特征结果对比；图4是体育类视频载体Stefan, yuv,本专利技术与基于DCT变换方法提取的视频纹理特征结果对比。具体实施例方式一、基础理论介绍1. 1模糊概念格的相关理论模糊概念格是一种基于格理论的聚类分析方法，通过对某一领域特定形式背景下对象和属性之间的关系进行聚类，从而得到相应的概念结构。在模糊概念格中，概念属性和对象之间的关系是不确定的模糊关系，例如“年轻人消费水平高”，这里“年轻人”作为对象， 是一个模糊集，“消费水平高”作为属性只能用隶属程度来描述，消费水平涉及到收入、衣食住行、家庭负担、文化娱乐等方面，是一个多属性的模糊集。目前，国内外学者在模糊概念格的构建算法上做了很多研究，其中，刘宗田、强宇等定义了广义属性模糊概念格，提出了一种快速、有效的模糊概念格构建方法。模糊概念格中的基本定义包括如下定义1，模糊形式背景。一个模糊形式背景可表示为F = (0^，1)，其中，0是模糊形式背景F中所有对象的并集，A是模糊形式背景F中所有属性的并集，映射I称为隶属度函数，该隶属度函数I满足I e ο定义2，在模糊形式背景F中，对象集0和属性集A之间的映射关系可以用属性映射函数f(0)和对象映射函数g(A)来表示，如下所示/ (O) = {a| Vo e 0,0 < / (O, A) < l}本文档来自技高网...
【技术保护点】
１．一种基于模糊概念格的视频纹理特征提取方法，包括如下步骤：（１）对原始视频进行镜头分割，得到镜头分割结果ｓｉ，ｉ∈［１，Ｍ１］，其中，Ｍ１为原始视频ｖ′中的镜头总数；（２）将第ｉ个镜头ｓｉ以每９帧分割成视频段ｐｌ，ｌ∈［１，Ｍ２］，选取每个视频段ｐｌ的第一个视频帧作为ｐｌ的关键帧ｆｌ，ｌ∈［１，Ｍ２］，其中，Ｍ２为第ｉ个镜头ｓｉ中视频段总数；（３）对第ｉ个镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ进行图像分块，得到一系列的图像块ｂｋ，ｋ∈［１，Ｔ１］，计算每个图像块ｂｋ的灰度共生矩阵Ｇｋ，ｋ∈［１，Ｔ１］，其中，Ｔ１为关键帧ｆｌ中８×８大小的图像块总数；（４）根据第ｉ个镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ的每个图像块ｂｋ的灰度共生矩阵Ｇｋ，计算得到每个图像块ｂｋ纹理特征向量Ｗｑ，ｑ∈［１，１４］；（５）将镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ的所有图像块ｂｋ，ｋ∈［１，Ｔ１］作为对象集，将所有图像块的纹理特征向量Ｗｑ，ｑ∈［１，１４］作为属性集，构成关键帧ｆｌ的模糊形式背景Ｆ；（６）根据模糊形式背景Ｆ，构建镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ的模糊概念格；（７）由镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ的模糊概念格，生成相应的纹理关联规则Ｒｔ，ｔ∈［１，Ｎ９］，其中，Ｎ９为纹理关联规则总数；（８）根据镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ的第ｔ个关联规则Ｒｔ，提取关键帧ｆｌ中具有第ｔ个关联规则Ｒｔ属性的图像块集合；（９）重复步骤（８），提取镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ的其他所有纹理关联规则相对应的图像块集合；（１０）取步骤（９）中镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ提取出的所有图像块集合的交集，得到关键帧ｆｌ的纹理特征；（１１）根据镜头ｓｉ第ｌ个视频段ｐｌ的关键帧ｆｌ的所有纹理关联规则，按照步骤（１０）相同方法提取视频段ｐｌ中除关键帧ｆｌ以外的其他帧的纹理特征；（１２）重复上述步骤（３）～（１１），提取第ｉ个镜头ｓｉ的其他所有视频段中所有视频帧的纹理特征；（１３）重复上述步骤（２）～（１２），提取原始视频ｖ的所有镜头中视频帧的纹理特征。...
【技术特征摘要】
【专利技术属性】
技术研发人员：同鸣，冯向玲，姬红兵，张建龙，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。